蚁群算法中参数设置的研究_徐红梅

第22卷第1期2008年1月山东理工大学学报(自然科学版)

JournalofShandongUniversityofTechnology(NaturalScienceEdition)Vol.22No.1Jan.2008

文章编号:1672-6197(2008)01-0007-05

蚁群算法中参数设置的研究

徐红梅,陈义保,刘加光,王燕涛

(烟台大学机电汽车工程学院,山东烟台264005)

摘 要:蚁群算法是一种新的随机优化算法,它利用人工蚂蚁在其途经路上释放信息素寻优,体现了正反馈、分布式、多anent协同性和并行性等特点,蚁群算法中的各参数对计算结果有很大影响.介绍了蚁群算法原理和模型(以TSP问题为例),对基本蚁群算法参数的合理选取进行了实验分析,给出了算法参数选取的基本原则,有利于蚁群算法在优化问题中的应用.关键词:蚁群算法;信息素;组合优化;旅行商问题中图分类号:TP301.6

文献标识码:A

Theresearchontheparametersoftheantcolonyalgorithm

XUHong-mei,CHENY-ibao,LIUJia-guang,WANGYan-tao

(SchoolofElectromechanicalAutomobileEngineering,YantaiUniversity,Yantai264005,China)

Abstract:AntColonyAlgorithmisanewstochasticoptimizationalgorithmusingartificialantsre-leasingpheromoneonthepath,characterizedwithapositivefeedback,distributedcomputation,mult-iagentsynergyandparallelalgorithm.Theparametershaveanimportantroleintheresultofantcolonyalgorithm.TheprincipleandmodelofAntColonyAlgorithmwereintroducedandrea-sonableexperimentswerecarriedoutontheparametersofthisalgorithm,includingbasicprinciples

fortheparameterselection,whicharebeneficialtotheapplicationanddevelopmentoftheantcolonyalgorithminoptimizationproblems.

Keywords:antcolonyalgorithm;pheromone;combinatorialoptimization;TSP(travelingsalesmanproblem)

群智能理论的基本原理源于生物社会系统(biologysocialsystem),是由简单个体组成的群落与环境以及个体之间的互动行为,这种生物社会性的模拟系统利用局部信息产生难以估量的群体行为.群智能理论研究的典型算法是蚁群算法(antcolonyalgorithm)和粒子群算法(particle

[1]

swarmoptimization,PSO).蚁群算法是由意大利学者Dorigo.M等人于20世纪90年代初提出的一种新型的模拟进化算法[2],该算法采用了正反馈并行自催化机制,易于与其他方法结合,而且具有较强的鲁棒性,在解决许多复杂优化问题方面已经展现出其优异的性能和巨大的发展潜

[3]

收稿日期:2007-09-10

基金项目:国家自然科学基金资助项目(50465001);山东省中青年科学家奖励基金(2006BS05008)作者简介:徐红梅(1982-),女,硕士研究生.

第1页下一页